本报告中的信息和意见由奥利弗·怀曼(Oliver Wyman)编写。本报告不是投资建议,不应依靠此类建议,也不应替代与专业会计师,税收,法律或财务顾问的咨询。Oliver Wyman已竭尽全力使用可靠,最新和全面的信息和分析,但是所有信息均无需任何形式的明示或暗示保证。Oliver Wyman不承担更新本报告中信息或结论的任何责任。Oliver Wyman对由于本报告中包含的信息或此处所指的任何报告或信息来源或任何后果,特殊或类似损害造成的信息或否定的任何损失,即使有可能遭受此类损害的可能性,造成的任何损失。该报告不是购买或出售证券的要约,也不是征求购买或出售证券的要约。未经Oliver Wyman的书面同意,本报告可能不会出售。
在 2020 年 4 月 27 日发布的一项决定中,美国专利商标局 (USPTO)2 对此问题给出了否定的回答,结论是只有人类才能被视为发明人。该决定源于一项美国专利申请,该申请是一种紧急信标或神经火焰,它以基于大脑意识流发生的特定节奏的分形脉冲频率发光。以这种频率发光更容易引起人的注意(图 1)。虽然 Stephen Thaler 提交了申请,但他并没有将自己列为发明人。相反,Thaler 将人工智能程序 DABUS(“统一感知自主引导设备”的缩写)列为发明人。DABUS 就是所谓的创造力机器,是一种通过神经网络系统产生想法的特殊类型的人工智能。为此,特定领域的一般知识被输入到机器中,然后机器使用一系列旨在模仿人类思维模式的神经网络来产生新颖的想法。
它们有相同的价值吗?如果答案是否定的,这直接表明作品本身和创作过程影响了作品的艺术价值。由于没有任何东西可以凭空产生,因此必须记住,大多数创意都源于历史文化背景或某种经验。如果我们自己有一个创意,我们常常将其归因于我们的巧妙发明或灵感,从而拒绝对创意产生过程进行科学解释。显然,新想法并不完全是新的。我们可以说,我们的创造能力随着经验和知识的增长而增长。越深入,发现新创意背后的原始关系的可能性就越大。与物理定律和定理类似,音乐作品可以由一组有限的基本元素定义,这表明创造力是一种基于记忆记录、寻找类比、学习和推理解决问题的原始方式。在这种情况下,如果同时提供组件和创建程序,计算机可以复制该过程。应该记住,我们已经逐步改进了人工智能技术,使我们能够越来越完美地复制此类活动。但是,值得考虑的是人工智能 (AI) 如何模拟创造力过程、它使用哪些组件以及它如何描述过程本身。
摘要 负责任地专业使用人工智能意味着准备好以合乎道德的方式应对和解决可能与此类使用相关的危害。这预示着对错误的所有权。在本文中,我提出一个问题:人工智能增强决策中的错误(例如人工智能辅助医疗诊断)是否可以归咎于人工智能系统本身,并对此问题给出了否定的回答。我将探讨两种选择。如果人工智能系统仅仅是工具,那么我们永远没有理由将错误归咎于它们,因为它们的失败不符合对错误的合理约束。如果为了论证的目的,我们假设人工智能系统不是(仅仅)工具,那么我们将面临某些挑战。首先,我们需要解释人工智能系统的这种超越工具的角色是什么,并为将人工智能系统视为工具建立正当理由。其次,需要证明医疗诊断可以简化为人工智能系统的计算,而不会对诊断程序的目的和质量造成任何重大损失。我的结论是,混合决策中的错误归属问题需要新形式的认识论责任。
本演示文稿(以及我们在此处可能与我们有关的任何其他陈述或信息)包含1995年《私人证券诉讼改革法》的含义中的前瞻性陈述。All statements contained in this presentation (together with any other statements or information that we may make in connection herewith) that do not relate to matters of historical fact should be considered forward-looking statements, including, without limitation, statements regarding the development of our product candidates involving our ARCUS® genome editing platform, our ARCUS-HBV nuclease and our in vivo gene editing product candidates including PBGENE-HBV and expected 2024年的里程碑。在某些情况下,您可以通过诸如“目标”,“预期”,“实现”,“相信”,“思考”,“可以”,“估算”,“期望”,“期望”,“目标”,“预期”,“五月”,“五月”,“五月”,“使命”,“任务”,“计划”,“预测”,“预测”,“优势”,“ project”,“”,“”,“”,“”或否定的词和类似的词和表达。前瞻性陈述基于管理层当前的期望,信念和假设以及当前可用的信息。
氮气容易获得散装化学物质,可以用作一系列合成反应的多功能起始材料。然而,由于c ar – no 2键的惰性,直接否定的替代反应与未激活的硝化苯子仍然具有挑战性。化学家依赖于顺序还原和重氮化,然后是砂光剂反应或活化氮气的亲核芳族取代,以实现硝基群体转化。在这里,我们在可见光照射下开发了一种普遍的硝化氯化反应,其中氯自由基通过c ar –no 2键的裂解取代了硝基部分。这种实用的方法可与多种未活化的硝基(Hetero)领域和硝基烷烃一起使用,对空气或水分不敏感,并且可以在Decagram量表上顺利进行。这种转化与在合成和机制中的热条件下与先前的亲核芳族取代反应有所不同。密度功能理论计算揭示了取代反应的可能途径。
用于解决量子线性系统 (QLS) 问题的量子算法是近年来研究最多的量子算法之一,其潜在应用包括解决计算上难以解决的微分方程和提高机器学习的速度。决定 QLS 求解器效率的一个基本参数是 κ,即系数矩阵 A 的条件数,因为自从 QLS 问题诞生以来,我们就知道,在最坏情况下,运行时间至少与 κ 呈线性关系 [1]。然而,对于正定矩阵的情况,经典算法可以求解线性系统,运行时间扩展为 √κ,与不确定的情况相比,这是一个二次改进。因此,很自然地会问 QLS 求解器是否可以获得类似的改进。在本文中,我们给出了否定的答案,表明当 A 为正定时,求解 QLS 也需要与 κ 呈线性关系的运行时间。然后,我们确定了可以规避此下限的正定 QLS 的广泛类别,并提出了两种新的量子算法,其特点是 κ 的二次加速:第一种基于有效实现 A − 1 的矩阵块编码,第二种构建形式为 A = LL † 的分解来预处理系统。这些方法适用范围广泛,并且都允许有效地解决 BQP 完全问题。
继数据集市和大数据之后,AI 和 ML 是否是进化路径上的下一步?那么这里的区别是什么,只是规模吗?答案是否定的。我们现在需要应对一个非常不同的存储挑战。这与数据的使用方式有关。传统上,存储在其生命周期的特定阶段具有单一用途或至少单一性能配置文件。例如,我们知道最近创建的数据通常被视为“热”数据,因为它被访问的频率最高。然后,随着时间的推移,数据变得不那么重要,直到它被存档到慢速媒体或完全过期。这意味着重点关注数据生命周期管理和分层存储架构。在这种传统架构中,数据在层级之间移动,因此当数据新鲜且活跃时,数据位于高性能介质上,而当数据冷时,数据位于较慢的批量介质上。但是,借助 AI 和 ML 的新技术,数据可以随时有多种用途。这意味着从分层角度来看,我们永远无法有效地规划数据需要位于何处。
与某些理论相反,中国复工预计不会大幅降低全球供应链压力。自 2021 年以来,全球供应链堵塞是通胀飙升的主要驱动因素。中国经济全面复工会产生通货紧缩的影响吗?我们认为答案是否定的,原因有几个。首先,供应链压力在 2022 年底和 2023 年初已经消退,全球运费和交货时间的改善表明了这一点(图 2)。这可能与大型出口市场(例如欧洲和美国)需求整体放缓,加上家庭消费从商品转向贸易密集度较低的服务消费有关,后者在疫情封锁期间受到抑制。因此,亚洲经济体的商品出口在 2022 年下半年出现疲软,并在 2023 年进入负增长区域。其次,2022 年中国制造业生产没有受到实质性影响,增长了 3%。与此同时,多个服务业行业因封锁而首当其冲,出现萎缩。最后,乌克兰持续战争和劳动力短缺等因素可能共同导致供应链剩余压力。
真正的多体纠缠 (GME) 被认为是一种强大的纠缠形式,因为它对应于那些不可双分的状态,即在各方的不同双分体之间部分可分离的状态的混合。在这项工作中,我们在多副本机制中研究了这种现象,其中可以生成和控制给定状态的许多完美副本。在这种情况下,上述定义会导致微妙的复杂性,因为双分状态可以是 GME 可激活的,即双分状态的多个副本可以显示 GME。我们表明,GME 可激活状态集允许一个简单的特征:当且仅当一个状态在各方的一个双分体之间不可部分分离时,它才是 GME 可激活的。这引出了第二个问题,即是否存在一个需要考虑的副本数的一般上限,以便观察 GME 的激活,我们的回答是否定的。具体来说,通过提供明确的构造,我们证明对于任意数量的参与方和任意数量的 k ∈ N,都存在 GME 可激活的多部分状态,这些状态具有固定的(即独立于 k )局部维度,使得其中的 k 个副本保持可双分。